主分类：平台治理与风险运营
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI审核策略架构专家（机审政策）-TikTok直播",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "运营"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、政策结构化拆解与边界定义：把自然语言政策拆解成机器可执行的最小判断单元；定义政策层级结构与各层职责——哪一层驱动执行、哪一层承载解释；并在拆分粒度上作出可解释、可辩护的取舍；划清一条政策与相邻政策之间的边界，标准化标签口径，在模型放大混乱之前消解条款间的重叠；\n2、判断逻辑与信号点设计：定义机器必须观察到什么才能作出判定、什么情况必须转人审；把抽象政策原则转化为具体的判断点；\n3、评测体系设计：建立能够证明\"模型真正理解了政策\"而非\"记住了表面特征\"的验证方法——Golden Set、评估SOP，以及多指标共同验收，而非只看单一通过率；\n4、错误归因：当出现错误执行时，判断根因在政策表述、guidance覆盖缺口、规则配置还是模型能力，并将不同根因分流到相应的修正路径；\n5、案例审核标准化：在上述基础上，将案例审核与打标要求标准化，使其同时满足AI模型训练与业务需求，包括pattern bank的支撑建设与校准文档的标准化。",
"requirements_text": "1、3年以上内容政策、信任与安全、政策运营、审核系统或规则治理相关经验；\n2、有把自然语言规则转化为结构化、可执行判据的实际经验——政策拆解、标签体系、判断树、规则集，或Prompt/rule/label structure均可；\n3、具备流程标准化与团队成员培训能力；\n4、能定义「机器看到什么才判定」，而不只是「这条政策应该怎么理解」；\n5、面对误判，能定位其真实根因——表述、覆盖、配置还是模型——并说明判断依据；\n6、理解规则、小模型、LLM与Agent各自的能力边界与适用场景，能主动识别政策之间的重叠，而不是逐条孤立处理；不要求具备建模或工程能力。\n\n加分项\n1、Golden Set或评估SOP的设计经验；\n2、政策平台、规则引擎或知识库的数据建模经验；\n3、LLM/Agent系统的Prompt或规则结构设计经验；\n4、跨团队质量门禁、审核checklist或sign-off SOP的设计经验。",
"skills": [AI生成
"结构设计",
"建模",
"培训",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7673141119194335493/detail"
}
]
},
"posting": {
"posting_id": "7673141119194335493",
"post_date": "2026-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7673141119194335493/detail"
},
"fulltext": "AI审核策略架构专家（机审政策）-TikTok直播\n职位描述\n1、政策结构化拆解与边界定义：把自然语言政策拆解成机器可执行的最小判断单元；定义政策层级结构与各层职责——哪一层驱动执行、哪一层承载解释；并在拆分粒度上作出可解释、可辩护的取舍；划清一条政策与相邻政策之间的边界，标准化标签口径，在模型放大混乱之前消解条款间的重叠；\n2、判断逻辑与信号点设计：定义机器必须观察到什么才能作出判定、什么情况必须转人审；把抽象政策原则转化为具体的判断点；\n3、评测体系设计：建立能够证明\"模型真正理解了政策\"而非\"记住了表面特征\"的验证方法——Golden Set、评估SOP，以及多指标共同验收，而非只看单一通过率；\n4、错误归因：当出现错误执行时，判断根因在政策表述、guidance覆盖缺口、规则配置还是模型能力，并将不同根因分流到相应的修正路径；\n5、案例审核标准化：在上述基础上，将案例审核与打标要求标准化，使其同时满足AI模型训练与业务需求，包括pattern bank的支撑建设与校准文档的标准化。\n\n职位要求\n1、3年以上内容政策、信任与安全、政策运营、审核系统或规则治理相关经验；\n2、有把自然语言规则转化为结构化、可执行判据的实际经验——政策拆解、标签体系、判断树、规则集，或Prompt/rule/label structure均可；\n3、具备流程标准化与团队成员培训能力；\n4、能定义「机器看到什么才判定」，而不只是「这条政策应该怎么理解」；\n5、面对误判，能定位其真实根因——表述、覆盖、配置还是模型——并说明判断依据；\n6、理解规则、小模型、LLM与Agent各自的能力边界与适用场景，能主动识别政策之间的重叠，而不是逐条孤立处理；不要求具备建模或工程能力。\n\n加分项\n1、Golden Set或评估SOP的设计经验；\n2、政策平台、规则引擎或知识库的数据建模经验；\n3、LLM/Agent系统的Prompt或规则结构设计经验；\n4、跨团队质量门禁、审核checklist或sign-off SOP的设计经验。\n1、政策结构化拆解与边界定义：把自然语言政策拆解成机器可执行的最小判断单元；定义政策层级结构与各层职责——哪一层驱动执行、哪一层承载解释；并在拆分粒度上作出可解释、可辩护的取舍；划清一条政策与相邻政策之间的边界，标准化标签口径，在模型放大混乱之前消解条款间的重叠；\n2、判断逻辑与信号点设计：定义机器必须观察到什么才能作出判定、什么情况必须转人审；把抽象政策原则转化为具体的判断点；\n3、评测体系设计：建立能够证明\"模型真正理解了政策\"而非\"记住了表面特征\"的验证方法——Golden Set、评估SOP，以及多指标共同验收，而非只看单一通过率；\n4、错误归因：当出现错误执行时，判断根因在政策表述、guidance覆盖缺口、规则配置还是模型能力，并将不同根因分流到相应的修正路径；\n5、案例审核标准化：在上述基础上，将案例审核与打标要求标准化，使其同时满足AI模型训练与业务需求，包括pattern bank的支撑建设与校准文档的标准化。\n1、3年以上内容政策、信任与安全、政策运营、审核系统或规则治理相关经验；\n2、有把自然语言规则转化为结构化、可执行判据的实际经验——政策拆解、标签体系、判断树、规则集，或Prompt/rule/label structure均可；\n3、具备流程标准化与团队成员培训能力；\n4、能定义「机器看到什么才判定」，而不只是「这条政策应该怎么理解」；\n5、面对误判，能定位其真实根因——表述、覆盖、配置还是模型——并说明判断依据；\n6、理解规则、小模型、LLM与Agent各自的能力边界与适用场景，能主动识别政策之间的重叠，而不是逐条孤立处理；不要求具备建模或工程能力。\n\n加分项\n1、Golden Set或评估SOP的设计经验；\n2、政策平台、规则引擎或知识库的数据建模经验；\n3、LLM/Agent系统的Prompt或规则结构设计经验；\n4、跨团队质量门禁、审核checklist或sign-off SOP的设计经验。",
"standard_classification": {
"std_category_code": "B008",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}